ROC曲线tf.contrib.learn.LinearClassifier

Question

我想绘制tf.contrib.learn.LinearClassifier我训练的ROC曲线。

ROC曲线示出了作为鉴别阈值改变TPR和FPR的不同的值，但鉴别阈值始终是0.5。

我看不出告诉LinearClassifier去改变它，或登录TPR和FPR针对不同的阈值。

Answer 1

我终于想出了如何做到这一点。我需要添加自定义指标，如：

def recall_fn(predictions=None, labels=None, weights=None): 
    recall = tf.metrics.recall_at_thresholds(labels, predictions[:,1],[0.2,0.5,0.7]) 
    return recall 

然后定义我的指标，如：

with tf.variable_scope("metrics"): 
    validation_metrics = { 
    "recall": 
     tf.contrib.learn.MetricSpec(
      metric_fn=recall_fn, 
      prediction_key=tf.contrib.learn.PredictionKey.PROBABILITIES) 
     } 

终于在评估方法调用中使用它们：

results = m.evaluate(input_fn=lambda: chk_batch_input_fn(test_stream), 
    steps=100, metrics=validation_metrics) 

不完全是ROC曲线，但它是我想要的反馈/指标。